任辰鋒

(國家能源集團 國神公司黃玉川煤礦，內(nèi)蒙古 鄂爾多斯 010300)

我國煤炭資源大多賦存條件較為復(fù)雜，災(zāi)害突出，存在水、火、瓦斯等不安全因素，易引起透水、瓦斯爆炸等地質(zhì)災(zāi)害，其中礦井透水事故是威脅煤礦安全生產(chǎn)的最主要災(zāi)害之一，在我國煤礦發(fā)生重大安全事故中，透水事故造成的人員傷亡和經(jīng)濟損失較大[1]。因此，煤礦的水害防治工作尤為重要，水害防治工作的關(guān)鍵是導(dǎo)水通道[2]，如何提高導(dǎo)水通道探查和識別的準確性也是煤礦安全生產(chǎn)研究的熱點。

煤礦導(dǎo)水通道主要有導(dǎo)水陷落柱、斷裂構(gòu)造等[3]，導(dǎo)水陷落柱是主要的導(dǎo)水通道且危害性較大。目前，國外對煤礦陷落柱的研究較少，對地下空洞、巖溶溶洞的研究較多，國內(nèi)煤礦陷落柱出現(xiàn)較多，所以針對陷落柱的勘探工作做得比較多、比較全面[4]。探查導(dǎo)水通道常用的技術(shù)方法有：三維地震、瞬變電磁、大地電磁、核磁共振等[5]，其中三維地震和電磁法勘探效果較好。各種方法根據(jù)現(xiàn)場探查條件和目標體特征具有各自的特點和適用性，但在技術(shù)和方法上仍存在一定的局限性，單一勘探方法的二維剖面上難以探查和識別陷落柱等導(dǎo)水通道[6]。

黃玉川煤礦以往地面三維地震勘探中發(fā)現(xiàn)多處地質(zhì)異常體，解釋為疑似陷落柱。隨著煤礦開采深度和開采強度的增加，這些疑似陷落柱等導(dǎo)水通道構(gòu)成了嚴重的煤礦致災(zāi)因素[7]，威脅礦井安全生產(chǎn)。由于疑似陷落柱的復(fù)雜性、探查方法的局限性和探查精度不高等原因，導(dǎo)致黃玉川煤礦疑似陷落柱等導(dǎo)水通道的空間分布及其富水性的探查不能滿足礦井安全生產(chǎn)的需要。本文以黃玉川煤礦X6疑似陷落柱探查為例，在充分分析礦井相關(guān)地質(zhì)資料和對三維地震數(shù)據(jù)進行精細解釋的基礎(chǔ)上，結(jié)合地震勘探的地震波場和電磁法勘探的電磁場屬性特征，提出基于三維地震和瞬變電磁探測多場多屬性信息融合精細定位煤礦導(dǎo)水通道技術(shù)，為煤礦安全高效開采提供重要保障。

1 三維地震與瞬變電磁法探測

三維地震勘探方法空間分辨率高，可探測陷落柱的大致位置，無法識別陷落柱的富水分布狀態(tài)；瞬變電磁法勘探對富水區(qū)反應(yīng)靈敏，但由于體積效應(yīng)，不能準確探測陷落柱的位置和形態(tài)[8]。綜合地震勘探的地震波場和電磁法勘探的電磁場屬性特征，選擇三維地震和瞬變電磁法作為黃玉川煤礦X6疑似陷落柱導(dǎo)水通道探查的地球物理方法。

1.1 三維地震探測

在X6測區(qū)，三維地震ILN1601線OM9鉆孔附近的地震探測成果如圖1所示，圖中橫坐標以O(shè)M9鉆孔為0點，縱坐標以100m為深度起點。圖中對4煤層(綠色虛線)、6上煤層(綠色虛線)、奧灰頂界面(黃色實線)、陷落柱(紫色實線)和斷層(紅色實線)進行了劃分[9]。經(jīng)分析，陷落柱埋深約350m，到400m深度陷落柱直徑約40～70m。

圖1 三維地震探測成果

1.2 瞬變電磁法探測

瞬變電磁法X6測區(qū)選擇過鉆孔OM9且互相垂直的A8與8測線的數(shù)據(jù)進行反演解釋。X6測區(qū)地形復(fù)雜，整體北高南低，南部溝壑較多，多呈南北走向。A8測線的瞬變電磁法反演電阻率斷面如圖2(a)所示，地層電性由淺到深表現(xiàn)為“低-高”特征[10]，淺部對應(yīng)第四紀和新近紀的土層，電阻率值較低；中部對應(yīng)砂礫巖層和煤層，電阻率增加，在橫向280～320m，標高870～780m范圍內(nèi)，電阻率為相對橫向低阻，具體范圍已在圖中標出，可能存在導(dǎo)水陷落柱。8測線瞬變電磁法反演電阻率斷面如圖2(b )所示。該測線經(jīng)過OM9鉆孔，地層由淺至深電阻率值逐漸增加，淺層與第四紀和新近紀的土層對應(yīng)較好，中部對應(yīng)砂礫巖層和煤層，深部無明顯異常區(qū)域。

圖2 瞬變電磁探測成果

2 多場多屬性信息融合定位導(dǎo)水通道

常規(guī)物探方法是利用單一屬性、或多種屬性單獨解釋、相互驗證的方式來識別地下異常地質(zhì)體，雖然在一定程度上能夠滿足勘探要求，但客觀存在準確性不高的問題[11]。為進一步精準識別煤礦疑似陷落柱的邊界位置和富水性，通過提取三維地震和瞬變電磁探測中對導(dǎo)水陷落柱敏感的屬性特征，利用粒子群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進行多場多屬性信息融合技術(shù)精細定位導(dǎo)水通道。

2.1 PSO-BP融合算法

BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network，BPNN)是從輸入到輸出的映射，它具有學(xué)習(xí)和存儲大量輸入-輸出模式映射關(guān)系[12]的強大功能。其工作原理為在網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)過程中，可以分為信號的正向傳播和誤差的反向傳播。輸入信息x(歸一化樣本數(shù)據(jù))通過輸入層，逐漸向前傳播，經(jīng)過各個層中的神經(jīng)元以產(chǎn)生輸出，計算實際輸出和期望輸出之間的誤差。誤差會向后往輸入層傳播，所有的神經(jīng)元會分攤誤差，從而反復(fù)修正不同層的連接權(quán)值和閾值。僅當(dāng)誤差達到或小于設(shè)定值時，才允許輸出信息。否則，誤差將繼續(xù)向后循環(huán)傳播到神經(jīng)網(wǎng)絡(luò)，直至最終達到設(shè)定值要求。

公式如下：

yi=f(neti)

式中，ω為網(wǎng)絡(luò)的連接權(quán)值；θ為閾值；y為網(wǎng)絡(luò)的輸出，結(jié)構(gòu)如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

由于BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值是隨機給定的，很容易陷入局部極值和算法學(xué)習(xí)速度緩慢。針對這一情況，采用粒子群算法對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進行優(yōu)化。

粒子群算法(Particle swarm optimization algorithm，PSO)源于鳥群的捕食行為，通過假設(shè)無質(zhì)量粒子來模擬鳥類。粒子只有兩個屬性，速度和位置，速度表示粒子的移動速度，位置表示粒子的移動方向[13]。每個粒子都有自己的速度，分別在搜索空間中搜索最優(yōu)解的位置，并記錄為當(dāng)前的個體極值。在行進過程中，將個體極值與整個粒子群中的其他粒子進行交換和共享，以確定在最佳位置的個體作為全局最優(yōu)解，從而調(diào)整自己的軌跡來適應(yīng)最佳位置[14]。粒子的速度和位置更新公式為：

式中，ω為慣性權(quán)值；c1和c2都為正常數(shù)，稱為加速系數(shù)；r1和r2是兩個在[0，1]范圍內(nèi)變化的隨機數(shù)。第d維粒子元素的速度變化范圍和位置變化范圍分別限制為[Vd，min，Vd，max]和[Xd，min，Xd，max]。迭代過程中，若某一維粒子元素的Vid或Xid超出邊界值則令其等于邊界值[15]。

2.2 三維地震與瞬變電磁屬性提取及融合結(jié)構(gòu)

利用Petrel對地震深度剖面提取多種地震屬性值，計算這些屬性間的相關(guān)系數(shù)，對相關(guān)系數(shù)進行R型聚類分析。結(jié)合每個屬性的地質(zhì)意義和相關(guān)系數(shù)對地震屬性特征進行優(yōu)選，最終優(yōu)選以下8種相關(guān)性較差且相對獨立的地震屬性作為神經(jīng)網(wǎng)絡(luò)的輸入特征[16]，即均方根振幅、混沌體、傾角偏差、瞬時頻率、吸收衰減、瞬時相位、波阻抗、中值濾波值[17]。選取的8種屬性沿煤層的屬性值如圖4所示，紅框為陷落柱的位置，即對應(yīng)圖1中測點-50～50m之間，可以看出在陷落柱范圍內(nèi)，混沌體值增大單峰特征，瞬時相位為增加，陷落柱邊界為雙峰、陷落柱中心為次高單峰，傾角偏差為震蕩增大，其余5個屬性值均表現(xiàn)為降低特征，其中均方根和波阻抗降低的特征較明顯，易于解釋。

圖4 陷落柱的地震屬性響應(yīng)關(guān)系

瞬變電磁法常用于富水性解釋的屬性有視電阻率和反演電阻率。陷落柱視電阻率特征曲線如圖5所示，由圖5可以看出，陷落柱不導(dǎo)水時與正常地層電阻率特征相似，較難分辨；當(dāng)陷落柱導(dǎo)水后，其視電阻率值先變小，而后增加，為單低峰曲線特征。采用導(dǎo)水陷落柱模型，陷落柱位于測點100～200m之間，進行反演得到電阻率剖面圖，如圖6所示。由于體積效應(yīng)，導(dǎo)水陷落柱在剖面圖并非呈明顯低阻反應(yīng)，無法圈定導(dǎo)水陷落柱的準確邊界，與圖2測點240～360m間結(jié)果類似。

圖5 陷落柱不同含水程度視電阻率對比

圖6 含水陷落柱反演電阻率剖面圖

上述10種屬性組成陷落柱信息融合的屬性特征集合。融合時，神經(jīng)網(wǎng)絡(luò)分類采用三層BP網(wǎng)絡(luò)結(jié)構(gòu)模型，即一個輸入層、一個隱含層和一個輸出層，結(jié)構(gòu)如圖7所示。輸入層為10個屬性，前8個為地震屬性，后2個為瞬變電磁(TEM)電阻率屬性；隱含層設(shè)置13個神經(jīng)元，輸出層輸出相應(yīng)的分類結(jié)果。隱含層的激活函數(shù)選用sigmoid型函數(shù)[18]，輸出層的激活函數(shù)選用tanh型函數(shù)；最大迭代次數(shù)為200次；訓(xùn)練目標最小誤差設(shè)定為0.1；學(xué)習(xí)速率為0.01。粒子群算法的初始群體規(guī)模為20，最大迭代次數(shù)為20，慣性權(quán)重ωmax=0.9、ωmin=0.4，加速常數(shù)c1=1.49445，c2=1.49445，V∈[-1，1]，X∈[-5，5][19]。

圖7 陷落柱三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

2.3 三維地震和瞬變電磁信息融合測線選擇

三維地震的I1601測線與瞬變電磁的A8測線、三維地震的X1376測線與瞬變電磁的8測線均位于陷落柱上方(如圖8所示)，測線方位垂直，且均過OM9鉆孔，選取這兩條剖面AA′和BB′進行信息融合，融合數(shù)據(jù)的網(wǎng)格大小為4m×5m。地震I1601和X1376的深度剖面如圖9所示，瞬變電磁A8和8測線的反演電阻率如圖10所示。

圖8 信息融合剖面示意圖

圖9 三維地震剖面

本段地震剖面只能圈定出陷落柱的大致位置(圖9中紫色曲線)，無法反映陷落柱富水性。瞬變電磁探測的反演電阻率剖面，在陷落柱位置表現(xiàn)為相對低阻，為含水陷落柱反映，但受體積效應(yīng)影響，陷落柱的邊界較模糊，無法精細圈定富水區(qū)范圍。為了更有效地利用多場勘探信息，結(jié)合三維地震和瞬變電磁數(shù)據(jù)進行多場多屬性信息融合[20]。

2.4 多場多屬性信息融合結(jié)果分析

提取10種屬性數(shù)據(jù)組成信息融合樣本，選取OM9鉆孔處的679個數(shù)據(jù)，標記“1”為“陷落柱含水”，“2”為“陷落柱不含水”，“3”為“無陷落柱的圍巖”。隨機從樣本數(shù)據(jù)集中選取90%樣本數(shù)據(jù)作為訓(xùn)練樣本，對PSO-BPNN神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，訓(xùn)練集的正確率為93.28%(如圖11a)；剩余的10%樣本數(shù)據(jù)作為測試樣本，輸入已經(jīng)訓(xùn)練好的PSO-BPNN神經(jīng)網(wǎng)絡(luò)，計算預(yù)測值與真實值間的正確率，得出測試集的正確率為92.75%(如圖11b)。

圖10 瞬變電磁剖面

圖11 含水陷落柱訓(xùn)練集和測試集輸出

信息融合結(jié)果如圖12所示，預(yù)測出陷落柱的頂位于360m左右，陷落柱內(nèi)部深度在360～370m之間存在紅色區(qū)塊，預(yù)測為陷落柱不含水部分；370m以下為大片藍色區(qū)塊，預(yù)測為陷落柱含水部分；陷落柱的水位分界面約在370m。圖12中6上煤層370m處對應(yīng)的陷落柱直徑約為25m，6煤層392m處對應(yīng)的陷落柱直徑約為30m，預(yù)測直徑隨深度的增加而增大。

圖12 多場多屬性信息融合預(yù)測結(jié)果

3 工程驗證

結(jié)合上述分析預(yù)測，對疑似陷落柱進行鉆探驗證，驗證情況如圖13所示。其中，補9、補10孔在煤層底板下發(fā)生鉆孔涌水，涌水量分別為69m3/h與96m3/h，鉆孔揭露破碎帶水平距達11m以上，巖心破碎，水蝕痕跡明顯，不同層位的巖石雜亂堆積，推測該構(gòu)造為一隱伏于6上煤之下的巖溶陷落柱，該陷落柱裂隙帶已波及至6上煤，致使順煤層鉆孔補1、補2、補4孔出水，可判定該陷落柱導(dǎo)水，充水水源來自奧灰含水層。其中補9號鉆孔61.4～77.4m全部為破碎帶，補9號傾角-31°，推算垂深27.1m處，即埋深約392m的6號煤層處陷落柱直徑約為27.4m。符合多場多屬性信息融合預(yù)測結(jié)果，驗證了該方法可以準確的探測礦區(qū)陷落柱的空間形態(tài)和富水性。

圖13 疑似陷落柱鉆探驗證圖

4 結(jié) 論

本文以黃玉川煤礦X6疑似陷落柱探查為例，提出基于三維地震和瞬變電磁探測多場多屬性信息融合精細定位煤礦導(dǎo)水通道技術(shù)，結(jié)合地質(zhì)資料及鉆孔工程探測，驗證了該方法精細探查陷落柱的準確性，得出以下結(jié)論：

1)基于三維地震和瞬變電磁探測的多場多屬性信息融合應(yīng)用于黃玉川煤礦疑似陷落柱的探查取得良好的效果，能夠有效的探查陷落柱的發(fā)育范圍，準確的探查陷落柱的含水性。

2)通過提取三維地震和瞬變電磁探測中對導(dǎo)水陷落柱敏感的屬性特征，利用粒子群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進行多場多屬性信息融合技術(shù)精細定位導(dǎo)水通道，可以對導(dǎo)水陷落柱進行準確識別定位，解決了常規(guī)物探方法無法實現(xiàn)導(dǎo)水陷落柱位置、形態(tài)和水分布狀態(tài)的全面識別且存在誤差的問題。